PREDIKSI BEBAN LISTRIK JANGKA PENDEK WILAYAH SUMBAGSEL BERBASIS JARINGAN SYARAF TIRUAN
DOI:
https://doi.org/10.31851/ampere.v1i1.3464Keywords:
prediksi, kebutuhan listrik, jaringan syaraf tiruan, backpropagationAbstract
Dengan semakin meningkatnya kebutuhan tenaga listrik dan beragamnya karakteristikpelanggan, perusahaan penyedia tenaga listrik harus mampu memprediksi jumlah kebutuhan energi
listrik pada periode tertentu agar pelayanan kepada pelanggan tetap handal dan ekonomis. Energi
tenaga listrik tidak dapat disimpan dalam skala besar, berarti energi yang dibangkitkan dan disalurkan
harus sesuai dengan kebutuhan. Jika listrik yang tersedia melebihi kebutuhan maka frekwensi sistem
akan naik, sedangkan jika kurang maka frekwensi sistem akan turun. Karena kebutuhan listrik tidak
linier, maka diperlukan suatu metode yang dapat memprediksi kebutuhan listrik dengan tepat. Salah
satu metode tersebut adalah Artificial Neural Network (Jaringan Syaraf Tiruan) yang mempunyai
kemampuan pendekatan yang baik terhadap ketidaklinieran. Pada penelitian ini dilakukan prediksi
beban listrik jangka pendek di wilayah Sumbagsel menggunakan Jaringan Syaraf Tiruan dengan
program Matlab. Hasil prediksi dibandingkan dengan data aktual. Rata-rata MAPE hasil prediksi adalah
sebesar 3,2471%. Error peramalan masih dalam batas toleransi deviasi peramalan beban yang
ditentukan oleh PLN yaitu sebesar ± 5%.
References
Djiteng Marsudi, â€Pembangkitan Energi Listrikâ€, Penerbit Erlangga, Edisi Pertama, 2005
Daman Suswanto,†Sistem Distribusi Tenaga Listrikâ€, daman48.files.wordpress.com,
diakses 22 Mei 2011
Jong Jek Siang. “ Jaringan Syaraf Tiruan & Pemrogramannya menggunakan MATLABâ€,
Penerbit Andi, Yogyakarta, 2009
Diyah Puspitaningrum. “Pengantar Jaringan Syaraf Tiruanâ€, Penerbit Andi, Yogyakarta,
Howard Demuth, Mark beale, Martin Hagan, “ Neural Network Toolbox User’s Guideâ€
https://www.mathworks.com, diakses 12 Februari 2011
Sri Kusumadewi, “Artificial Intelligence (Teknik dan Aplikasinya)â€, Penerbit Graha Ilmu,
Yogyakarta, 2006
Dinar Atika Sari, “Peramalan Kebutuhan Beban Jangka Pendek Menggunakan Jaringan
Syaraf Tiruan Backpropagationâ€, eprints.undip.ac.id/25280/1/ML2F002572.pdf,
diakses 3 Juni 2011
Eliyani. “Peramalan Harga Saham Perusahaan Menggunakan Artificial Neural Network
dan Akaike Information Criterionâ€. Seminar Nasional Aplikasi Teknologi Informasi
(SNATI 2007), Yogyakarta, 16 Juni 2007
Siana Halim, Diktat Time Series Analysis, 19 Januari 2006,
faculty.petra.ac.id/halim/index_files/... diakses 27 April 2011
Galang Jiwo Syeto, Arna Fariza, Setiawardana, “ Peramalan Beban Listrik Menggunakan
Jaringan Saraf Tiruan Metode Kohonenâ€, core.ac.uk/download/pdf/12342954, diakses
Mei 2011
Rory Asrial, Almizan Abdullah, dan Irrine B. Sulistiawati, “Perbandingan Penggunaan
Metode Radial Basis Function Network (RBFN) Dari Metode Fuzzy Neural Netwotk
(FNN) Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruanâ€,
Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011, diakses 31 Oktober 2015
Downloads
Published
How to Cite
Issue
Section
License
Jurnal Ampere is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
